Mask RCNN目标检测源码运行笔记（Demo模式）

1. 论文基本信息

• 论文标题：Mask R-CNN
• 论文作者：Kaiming He（Facebook AI Research (FAIR)）等人
• 论文出处：ICCV 2017
• 在线阅读：https://arxiv.org/pdf/1703.06870.pdf
• 源码链接：https://github.com/facebookresearch/maskrcnn-benchmark

2. 运行环境

• NVIDIA GTX 1070
• Ubuntu 18.04 x64
• gcc/g++ 7.4.0
• CUDA 10.0 (cuda_10.0.130_410.48_linux.run)
• Anaconda 3
• Python 3.7
• PyTorch 1.3.0 for CUDA 10.0

只需要预先安装好gcc/g++ 7.4.0、CUDA 10.0和Anaconda即可，其他依赖包（包括PyTorch）会在下一节会的详细环境搭建步骤进行安装。

3. 准备

S1. 运行如下命令安装matplotlib后端：

sudo apt-get install tcl-dev tk-dev python-tk python3-tk

S2. 在自己的工作区目录中，运行如下命令下载源码包，也可以手工复制链接在浏览器下载：

git clone https://github.com/facebookresearch/maskrcnn-benchmark.git

S3. cd到maskrcnn-benchmark目录中，然后运行如下命令创建虚拟环境并激活：

conda create --name maskrcnn_benchmark python=3.7
conda activate maskrcnn_benchmark

S4. 继续保持在maskrcnn-benchmark目录和刚刚激活的虚拟环境中，然后运行如下命令编写简易安装脚本：

gedit install.sh

在打开的gedit空白编辑界面中，粘贴如下文本：

# this installs the right pip and dependencies for the fresh python
conda install ipython pip

# maskrcnn_benchmark and coco api dependencies
pip install ninja yacs cython matplotlib tqdm opencv-python requests

# follow PyTorch installation in https://pytorch.org/get-started/locally/
# we give the instructions for CUDA 10.0
conda install -c pytorch pytorch-nightly torchvision cudatoolkit=10.0

export INSTALL_DIR=$PWD

# install pycocotools
cd $INSTALL_DIR
git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
python setup.py build_ext install

# install cityscapesScripts
cd $INSTALL_DIR
git clone https://github.com/mcordts/cityscapesScripts.git
cd cityscapesScripts/
python setup.py build_ext install

# install apex
cd $INSTALL_DIR
git clone https://github.com/NVIDIA/apex.git
cd apex
python setup.py install --cuda_ext --cpp_ext

# install PyTorch Detection
cd $INSTALL_DIR
git clone https://github.com/facebookresearch/maskrcnn-benchmark.git
cd maskrcnn-benchmark

# the following will install the lib with
# symbolic links, so that you can modify
# the files if you want and won't need to
# re-build it
python setup.py build develop



unset INSTALL_DIR

# or if you are on macOS
# MACOSX_DEPLOYMENT_TARGET=10.9 CC=clang CXX=clang++ python setup.py build develop

粘贴完成后，保存并关闭gedit，回到终端。

S5. 在终端中运行：

chmod 777 install.sh
./install.sh

在执行install.sh的过程中，中间会询问是否继续，输入y即可继续安装。
注 1： 若install过程中出现网络问题导致中断，可以重新执行./install.sh。

注 2： 若install过程中提示形如socket.timeout: The read operation timed out的错误，多半是网络不好导致某个文件没有下载下来，这时直接copy链接手工下载安装相应的包即可。

4. Demo

S1. 在终端中cd到源码内部的demo目录。

S2. 运行如下命令新建一个示例源码：

gedit demo2.py

在文本编辑器中粘贴如下内容：

import matplotlib
matplotlib.use('TkAgg')

import matplotlib.pyplot as plt
import matplotlib.pylab as pylab

import requests
from io import BytesIO
from PIL import Image
import numpy as np

# this makes our figures bigger
pylab.rcParams['figure.figsize'] = 20, 12

from maskrcnn_benchmark.config import cfg
from predictor import COCODemo

config_file = "../configs/caffe2/e2e_mask_rcnn_R_50_FPN_1x_caffe2.yaml"

# update the config options with the config file
cfg.merge_from_file(config_file)
# manual override some options
# cpu or cuda
cfg.merge_from_list(["MODEL.DEVICE", "cuda"])

coco_demo = COCODemo(
    cfg,
    min_image_size=800,
    confidence_threshold=0.7,
)

def load(url):
    """
    Given an url of an image, downloads the image and
    returns a PIL image
    """
    response = requests.get(url)
    pil_image = Image.open(BytesIO(response.content)).convert("RGB")
    # convert to BGR format
    image = np.array(pil_image)[:, :, [2, 1, 0]]
    return image

def imshow(img):
    plt.imshow(img[:, :, [2, 1, 0]])
    plt.axis("off")

# from http://cocodataset.org/#explore?id=345434
image = load("https://farm3.staticflickr.com/2469/3915380994_2e611b1779_z.jpg")
image2 = image[:, :, [2, 1, 0]]
plt.imshow(image2)
plt.show()

# compute predictions
predictions = coco_demo.run_on_opencv_image(image)
imshow(predictions)
plt.show()

S3. 粘贴完毕，关闭gedit，回到终端。

S4. 在终端中运行：

python demo2.py

运行时，源码会先后显示原图和检测/分割后的图，只有关闭了第一个窗口，程序才会继续运行，如下图所示：


注： 如果上述图像的url难以访问，网速缓慢，也可以自己换一个图片链接，比如：https://inews.gtimg.com/newsapp_ls/0/10947814918_580328/0，运行的效果如下图所示：

---

参考资料：

https://github.com/facebookresearch/maskrcnn-benchmark/blob/master/INSTALL.md